一种基于非线性剪枝的脉冲神经网络轻量化方法

本发明公开了一种基于非线性剪枝的脉冲神经网络轻量化方法，涉及人工智能、神经网络技术领域。该方法包括:S1.构建NDI‑LIF脉冲神经网络模型,在神经元膜电位动态更新过程的输入电流中引入双线性乘积项；S2.构建非线性突触剪枝机制，将连接权重表示为由重参数化权重与转换增益系数构成的重参数化函数，再基于重参数化函数对连接权重进行剪枝；S3.训练NSPDI‑SNN模型,得到轻量化的脉冲神经网络。本发明通过引入非线性树突整合机制与状态可调的突触剪枝机制，在增强模型表达能力的同时，实现网络稀疏性与高性能之间的平衡，构建一种具有高时空表达能力、结构高度稀疏且生物机制合理的轻量级脉冲神经网络模型，并保证其在多种任务下的泛化能力与高效训练性能。